矿井图像的分割方法、分割装置和监控系统与流程

1.本发明涉及电力系统领域，具体而言，涉及一种矿井图像的分割方法、分割装置、计算机可读存储介质和监控系统。


背景技术：

2.煤矿的安全监控技术是煤矿开采过程的重要部分，煤矿井下的视频监控为煤矿安全提供重要保障，因此监控图像的质量问题直接决定监控的有效性。煤矿井下环境恶劣，由于光线较暗灰尘较多，监控采集设备获取的图像易出现光照不均、对比度较差等问题。为了使煤矿井下的目标跟踪更加准确，图像的预处理极为重要。
3.当前，对矿井图像增强的方法，主要是采用模糊c均值(fuzzy c-means，fcm)算法，将其运用到图像分割领域中，实现矿井图像识别。fcm算法存在对初始聚类中心较为依赖的问题，通常初始的聚类中心是随机选择的，如果选择的不合适，很容易使算法的收敛速度变慢，并且导致算法陷入局部最优解，以致影响图像分割方面的分割速度和精度。


技术实现要素：

4.本技术的主要目的在于提供一种矿井图像的分割方法、分割装置、计算机可读存储介质和监控系统，以至少解决现有技术中fcm算法因聚类中心随机选择导致的图像分割过程中分割速度慢和分割精度差的问题。
5.为了实现上述目的，根据本技术的一个方面，提供了一种矿井图像的分割方法，所述方法包括：获取矿井监控图像，所述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，所述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，所述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，所述寻优过程为确定所述改进人工鱼群算法中最优个体的过程；采用确定所述初始聚类中心后的所述fcm算法，对所述监控图像进行图像分割。
6.可选地，根据改进人工鱼算法执行寻优过程，以确定fcm算法的初始聚类中心，包括：初始化步骤，初始化第一人工鱼群的相关参数，所述相关参数包括所述第一人工鱼群的规模、最大迭代次数、迭代次数、教学因子、第一感知距离、移动步长，所述第一人工鱼群的规模为所述第一人工鱼群包含的人工鱼个体的数量，所述第一感知距离为所述人工鱼算法寻优过程中搜索范围的大小，所述移动步长为所述人工鱼群算法寻优过程的单次迭代过程中，所述人工鱼个体向所述第一感知距离内更优个体移动的距离；第一更新步骤，计算所述第一人工鱼群中所有所述人工鱼个体的适应度值，得到多个第一适应度值，将最大的所述第一适应度值对应的所述人工鱼个体确定为第一人工鱼个体并将所述第一人工鱼个体记录在公告板上，所述人工鱼个体为所述fcm算法的聚类中心，所述适应度值为用于表征群体中个体的优劣的指标，所述人工鱼个体与所述fcm算法的聚类中心一一对应；第二更新步骤，控制所述第一人工鱼群顺序进行觅食、聚群、追尾行为，得到第二人工鱼群，并计算所述
第二人工鱼群中所有所述人工鱼个体的所述适应度值，得到多个第二适应度值，将最大的所述第二适应度值对应的所述人工鱼个体确定为第二人工鱼个体；第三更新步骤，将所述第一人工鱼个体对应的所述适应度值与所述第二人工鱼个体对应的所述适应度值进行对比，在所述第一人工鱼个体对应的所述适应度值小于所述第二人工鱼个体对应的所述适应度值的情况下，所述公告板的记录进行更新，在所述第一人工鱼个体对应的所述适应度值大于所述第二人工鱼个体对应的所述适应度值的情况下，所述公告板的记录不进行更新；重复步骤，依次重复所述第一更新步骤与所述第二更新步骤至少一次，直至所述迭代次数等于所述最大迭代次数，输出寻优结果，并根据所述寻优结果确定所述初始聚类中心，所述寻优结果为所述公告板上记录的人工鱼个体。
7.可选地，在将最大的所述第一适应度值对应的所述人工鱼个体确定为第一人工鱼个体并将所述第一人工鱼个体记录在公告板上之后，所述方法包括：计算所述第一人工鱼群中的各所述人工鱼个体与所述第一人工鱼个体之间的所述适应度值的差值，得到多个距离；将最大的所述距离确定为第二感知距离。
8.可选地，计算所述第二人工鱼群中所有所述人工鱼个体的所述适应度值，得到多个第二适应度值，将最大的所述第二适应度值对应的所述人工鱼个体确定为第二人工鱼个体，包括：控制所述第二人工鱼群中的所述人工鱼个体两两之间进行信息交流，得到第三人工鱼群；计算所述第三人工鱼群中的所有所述人工鱼个体的所述适应度值，得到多个第三适应度值；将最大的所述第三适应度值对应的所述人工鱼个体确定为所述第二人工鱼个体。
9.可选地，在第三更新步骤之后，包括：在所述公告板进行更新的情况下，控制各所述人工鱼个体与所述第二人工鱼个体进行信息交流，得到第四人工鱼群；计算所述第四人工鱼群中的所有所述人工鱼个体的所述适应度值，得到多个第四适应度值，并将最大的所述第四适应度值对应的所述人工鱼个体确定为所述第三人工鱼个体；将所述第二人工鱼个体对应的所述适应度值与所述第三人工鱼个体对应的所述适应度值进行对比，在所述第二人工鱼个体对应的所述适应度值小于所述第三人工鱼个体对应的所述适应度值的情况下，所述公告板的记录进行更新，在所述第二人工鱼个体对应的所述适应度值大于所述第三人工鱼个体对应的所述适应度值的情况下，所述公告板的记录不进行更新。
10.可选地，在第三更新步骤之后，所述方法还包括：在所述公告板不进行更新或所述公告板完成更新的情况下，获取所述迭代次数；根据所述迭代次数与所述最大迭代次数计算所述教学因子。
11.可选地，所述重复步骤包括：将所述迭代次数与所述最大迭代次数进行对比；在所述迭代次数等于所述最大迭代次数或所述教学因子为0的情况下，结束重复并输出所述寻优结果。
12.根据本技术的另一方面，提供了一种矿井图像的分割装置，所述装置包括：第一获取单元，获取矿井监控图像，所述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；第一确定单元，根据改进人工鱼算法执行寻优过程，以确定fcm算法的初始聚类中心，所述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，所述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，所述寻优过程为确定所述人工鱼群算法中最优个体的过程；分割单元，采用确定所
述初始聚类中心后的所述fcm算法，对所述监控图像进行图像分割。
13.根据本技术的再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的方法。
14.根据本技术的又一方面，提供了一种监控系统，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
15.应用本技术的技术方案，在上述矿井图像的分割方法中，首先，获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；然后，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；最后，采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。该方法通过在人工鱼群算法觅食、聚群和追尾行为后加入人工鱼个体之间的交流，保证个体之间的多样性，在更新公告板之后加入教学过程，对人工鱼群的寻优方向进行引导，加快寻优过程，并对教学算法进行优化，设定教学因子与迭代次数及最大迭代次数的表达式，使教学因子随教学过程进行不断衰减，采用改进人工鱼群算法确定fcm算法的初始化聚类中心，解决了现有技术中fcm算法因聚类中心随机选择导致的图像分割过程中分割速度慢和分割精度差的问题。
附图说明
16.图1示出了根据本技术的实施例中提供的一种执行矿井图像的分割方法的移动终端的硬件结构框图；
17.图2示出了根据本技术的实施例提供的一种矿井图像的分割方法的流程示意图；
18.图3示出了根据本技术的实施例提供的一种矿井图像的分割装置的结构框图。
具体实施方式
19.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
20.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
21.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清
楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.正如背景技术中所介绍的，现有技术中的fcm算法存在对初始聚类中心较为依赖的问题，通常初始的聚类中心是随机选择的，如果选择的不合适，很容易使算法的收敛速度变慢，并且导致算法陷入局部最优解，导致图像分割不准确，为解决现有技术中fcm算法因聚类中心随机选择导致的图像分割过程中分割速度慢和分割精度差的问题，本技术的实施例提供了一种矿井图像的分割方法、分割装置、计算机可读存储介质和监控系统。
23.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
24.本技术实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种矿井图像的分割方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
25.存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的设备信息的显示方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(network interface controller，简称为nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(radio frequency，简称为rf)模块，其用于通过无线方式与互联网进行通讯。
26.在本实施例中提供了一种运行于移动终端、计算机终端或者类似的运算装置的矿井图像的分割方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
27.图2是根据本技术实施例的矿井图像的分割方法的流程图。如图2所示，该方法包括以下步骤：
28.步骤s201，获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；
29.具体地，煤矿的安全监控技术对于保证煤矿安全开采十分重要，对井下状况的实时监测视频是实现安全监控的重要依据，但是因为井下环境恶劣，光线较暗，灰尘较多，监控设备采集的图像会出现光照不均、对比度较差等问题，需要对监控图像进行处理，精准判
断井下的安全情况。
30.步骤s202，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；
31.具体地，人工鱼群算法具有良好的全局寻优性和鲁棒性，可以解决上述现有技术采用的fcm算法在图像分割中产生的问题，但是标准人工鱼群算法搜索聚类中心存在开始收敛速度快，效果较好，但是后期持续全局搜索会产生寻优速度慢，精确性不够的问题，因此本技术采用教学算法的思想，利用公告板中的历史最优解对寻优方向进行指引，可以缩短寻优时间并提高精度。
32.步骤s203，采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。
33.具体地，采用上述改进人工鱼群算法确定fcm算法的初始聚类中心后，在进行图像分割，可以避免fcm算法初始聚类中心选择不合适导致的陷入局部最优解的问题。
34.本实施例中，首先，获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；然后，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；最后，采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。该方法通过在人工鱼群算法觅食、聚群和追尾行为后加入人工鱼个体之间的交流，保证个体之间的多样性，在更新公告板之后加入教学过程，对人工鱼群的寻优方向进行引导，加快寻优过程，并对教学算法进行优化，设定教学因子与迭代次数及最大迭代次数的表达式，使教学因子随教学过程进行不断衰减，采用改进人工鱼群算法确定fcm算法的初始化聚类中心，解决了现有技术中fcm算法因聚类中心随机选择导致的图像分割过程中分割速度慢和分割精度差的问题。
35.为了确定上述fcm算法的初始聚类中心，在一种可选的实施方式中，上述步骤s202包括：
36.步骤s2021，初始化步骤，初始化第一人工鱼群的相关参数，上述相关参数包括上述第一人工鱼群的规模、最大迭代次数、迭代次数、教学因子、第一感知距离、移动步长，上述第一人工鱼群的规模为上述第一人工鱼群包含的人工鱼个体的数量，上述第一感知距离为上述人工鱼算法寻优过程中搜索范围的大小，上述移动步长为上述人工鱼群算法寻优过程的单次迭代过程中，上述人工鱼个体向上述第一感知距离内更优个体移动的距离；
37.具体地，再通过改进人工鱼群算法进行寻优确定初始聚类中心前，需要对算法参数进行设定，包括首先，通过参数匹配，使每一个人工鱼对应一个可选的聚类中心，由上述人工鱼组成上述第一人工鱼群；然后，设置改进人工鱼群算法进行寻优所需参数，完成算法设定。
38.步骤s2022，第一更新步骤，计算上述第一人工鱼群中所有上述人工鱼个体的适应度值，得到多个第一适应度值，将最大的上述第一适应度值对应的上述人工鱼个体确定为
第一人工鱼个体并将上述第一人工鱼个体记录在公告板上，上述人工鱼个体为上述fcm算法的聚类中心，上述适应度值为用于表征群体中个体的优劣的指标，上述人工鱼个体与上述fcm算法的聚类中心一一对应；
39.具体地，确定上述第一人工鱼群后，计算人工鱼群中所有人工鱼对应的适应度值，根据适应度值进行对比，找到对应最大适应度值的人工鱼个体，作为当前人工鱼群中的最优个体，将最优个体记录在公告板上。
40.步骤s2023，第二更新步骤，控制上述第一人工鱼群顺序进行觅食、聚群、追尾行为，得到第二人工鱼群，并计算上述第二人工鱼群中所有上述人工鱼个体的上述适应度值，得到多个第二适应度值，将最大的上述第二适应度值对应的上述人工鱼个体确定为第二人工鱼个体；
41.具体地，在筛选出当前最优个体后，执行标准人工鱼群算法的流程对上述人工鱼群进行更新，得到收敛效果更强的上述第二人工鱼群，并根据更新后的人工鱼群重新计算每一个个体的对应适应度值，找到对应最大适应度值的人工鱼个体，作为当前人工鱼群中的最优个体，将最优个体记录在公告板上。
42.步骤s2024，第三更新步骤，将上述第一人工鱼个体对应的上述适应度值与上述第二人工鱼个体对应的上述适应度值进行对比，在上述第一人工鱼个体对应的上述适应度值小于上述第二人工鱼个体对应的上述适应度值的情况下，上述公告板的记录进行更新，在上述第一人工鱼个体对应的上述适应度值大于上述第二人工鱼个体对应的上述适应度值的情况下，上述公告板的记录不进行更新；
43.具体地，上述第二人工鱼个体仅为上述第二人工鱼群中的最优个体，将上述第二人工鱼个体与上述第一人工鱼个体对应的适应度值进行比较，若上述第二人工鱼个体对应的适应度值大于上述第一人工鱼个体对应的适应度值，说明上述第二人工鱼个体优于上述第一人工鱼个体，则将上述第二人工鱼个体记录在公告板上完成更新，若上述第二人工鱼个体对应的适应度值小于上述第一人工鱼个体对应的适应度值，则说明上述第一人工鱼个体更优，则不对公告板进行更新。
44.步骤s2025，重复步骤，依次重复上述第一更新步骤与上述第二更新步骤至少一次，直至上述迭代次数等于上述最大迭代次数，输出寻优结果，并根据上述寻优结果确定上述初始聚类中心，上述寻优结果为上述公告板上记录的人工鱼个体。
45.具体地，在完成上述公告板更新时，即为上述改进人工鱼群算法进行了一次迭代，重复迭代过程，直至到达最大迭代次数时，公告板上记录的上述人工鱼个体就是寻优结果，其对应的聚类中心，作为初始聚类中心进行图像分割效果是最好的。
46.为了得到适合的感知距离，在一种可选的实施方式中，上述步骤s2022之后，上述方法还包括：
47.步骤s301，计算上述第一人工鱼群中的各上述人工鱼个体与上述第一人工鱼个体之间的上述适应度值的差值，得到多个距离；
48.具体地，计算上述第一人工鱼群中每一个人工鱼个体与最优个体之间的适应度差值，在平面上，该适应度差值即为人工鱼个体之间的距离。
49.步骤s302，将最大的上述距离确定为第二感知距离。
50.具体地，计算上述距离是为了对人工鱼个体的感知距离，即搜索范围进行修改，将
距离最优个体最远的个体对应的距离作为感知距离，即可使得所有的人工鱼个体的感知范围内都包括最优个体，即所有人工鱼个体在寻优过程中的优化方向都是最优的方向，避免了一直进行全局搜索消耗时间过长的情况，减少了寻优过程的消耗时间。
51.为了保证上述人工鱼个体的多样性，在一种可选的实施方式中，上述步骤s2023包括：
52.步骤s20231，控制上述第二人工鱼群中的上述人工鱼个体两两之间进行信息交流，得到第三人工鱼群；
53.具体地，因为上述改进人工鱼群算法所有人工鱼个体都向最优个体方向前进，为避免其同质化，本技术在标准人工鱼群算法的觅食、聚群、追尾行为后引入教学算法的交流过程。即将每一个人工鱼个体作为“学生”，基于差分进化的交流过程，在追尾行为之后，让学生之间可以相互交流，此时充分利用人工鱼个体的多样性，可以进一步提升寻优结果的全局性。
54.步骤s20232，计算上述第三人工鱼群中的所有上述人工鱼个体的上述适应度值，得到多个第三适应度值；
55.具体地，在进行交流之后，上述第二人工鱼群再次进行更新，需要重新计算每一个人工与个体对应的适应度值，即上述第三适应度值。
56.步骤s20233，将最大的上述第三适应度值对应的上述人工鱼个体确定为上述第二人工鱼个体。
57.具体地，找到对应最大适应度值的人工鱼个体，作为当前人工鱼群中的最优个体。
58.在本技术的另一种实施方式中，在经过交流过程后，可以根据教学算法直接计算上述第二人工鱼。其公式为：其中，为计算得到的上述第二人工鱼个体，xm为上述第一人工鱼个体，xa和xb分别为上述第三人工鱼群中任意两个人工鱼交流后根据教学算法所求的解。
59.为了加速改进人工鱼群的寻优速度，在一种可选的实施方式中，上述步骤s2024之后，上述方法还包括：
60.步骤s401，在上述公告板进行更新的情况下，控制各上述人工鱼个体与上述第二人工鱼个体进行信息交流，得到第四人工鱼群；
61.具体地，在确定上述第二人工鱼个体之后，在上述公告板进行更新之后，加入教学算法的教学过程，将上述第二人工鱼个体作为“教师”，在“教师”与“学生”之间进行信息交流，提高“学生”的整体水平，即整体优化人工鱼个体，通过公告板上记录的最优个体与其他人工鱼个体的信息交流，为寻优过程的方向进行指引，改进人工鱼群算法缩短了标准人工鱼群算法的寻优过程。
62.步骤s402，计算上述第四人工鱼群中的所有上述人工鱼个体的上述适应度值，得到多个第四适应度值，并将最大的上述第四适应度值对应的上述人工鱼个体确定为上述第三人工鱼个体；
63.具体地，在教学过程之后，人工鱼群更新为上述第四人工鱼群，需要重新计算每一个人工与个体对应的适应度值，即上述第四适应度值，并找到对应最大适应度值的人工鱼个体，作为当前人工鱼群中的最优个体。
64.步骤s403，将上述第二人工鱼个体对应的上述适应度值与上述第三人工鱼个体对
应的上述适应度值进行对比，在上述第二人工鱼个体对应的上述适应度值小于上述第三人工鱼个体对应的上述适应度值的情况下，上述公告板的记录进行更新，在上述第二人工鱼个体对应的上述适应度值大于上述第三人工鱼个体对应的上述适应度值的情况下，上述公告板的记录不进行更新。
65.具体地，上述第三人工鱼个体仅为上述第四人工鱼群中的最优个体，将上述第三人工鱼个体与上述第二人工鱼个体对应的适应度值进行比较，若上述第三人工鱼个体对应的适应度值大于上述第二人工鱼个体对应的适应度值，说明上述第三人工鱼个体优于上述第二人工鱼个体，则将上述第三人工鱼个体记录在公告板上完成更新，若上述第三人工鱼个体对应的适应度值小于上述第二人工鱼个体对应的适应度值，则说明上述第二人工鱼个体更优，则不对公告板进行更新。
66.在本技术的另一种实施方式中，在经过交流过程后，可以根据教学算法直接计算上述第三人工鱼。其公式为：其中为上述第三人工鱼个体，xi为上述最优个体，然后根据与xi之间的大小，确定是否更新公告板，即在小于xi时，更新公告板。
67.为了得到上述教学因子，在一种可选的实施方式中，在上述步骤s2024之后，上述方法还包括：
68.步骤s501，在上述公告板不进行更新或上述公告板完成更新的情况下，获取上述迭代次数；
69.具体地，在标准教学算法中，教学因子随机取值1或2，这样就导致了学生学习过程中要么不向老师汲取知识，要么就汲取全部知识，但是这不符合教学过程的实际情况，因此在本技术中对教学算法进行了改进，通过设定迭代次数与最大迭代次数以及教学因子之间的表达式，使教学因子随教学进程推进不断衰减，符合学生与教师之间水平差距较大，学习能力较强，而后期掌握的知识逐渐增多，学习能力减弱的客观事实。
70.步骤s502，根据上述迭代次数与上述最大迭代次数计算上述教学因子。
71.具体地，上述表达式为根据表达式即可计算出当前的教学因子，用于反应最优个体对整体的影响能力。
72.为了确定是否进行迭代，在一种可选的实施方式中，上述步骤s2025包括：
73.步骤s20251，将上述迭代次数与上述最大迭代次数进行对比；
74.具体地，根据当前迭代次数与最大迭代次数进行对比，即可判断算法是否到达迭代极限。
75.步骤s20252，在上述迭代次数等于上述最大迭代次数或上述教学因子为0的情况下，结束重复并输出上述寻优结果。
76.具体地，在上述迭代次数等于上述最大迭代次数的情况下，即可说明当前算法达到迭代极限，算法停止迭代，或在上述教学因子等于0的情况下，根据教学算法计算下一次迭代的最优个体时得到的仍是本次迭代的最优个体，算法停止迭代。
77.为了使得本领域技术人员能够更加清楚地了解本技术的技术方案，以下将结合具体的实施例对本技术的矿井图像的分割方法的实现过程进行详细说明。
78.本实施例涉及一种具体的矿井图像的分割方法，包括如下步骤：
79.步骤s1：初始化参数；
80.步骤s2：更新公告板：计算所有人工鱼个体的适应度值，在将最优的个体信息记录在公告板上；
81.步骤s3：计算视野：计算每条人工鱼与公告板中记录的人工鱼个体的距离，将其作为visual值；
82.步骤s4：更新人工鱼个体的位置，得到更新后的人工鱼；
83.步骤s5：执行交流过程得到新的解，再与公告板中的记录的最优个体进行比较；
84.步骤s6：检查公告板：在公告板进行更新的情况下，跳转步骤s8，反之跳转步骤s7；
85.步骤s7：执行教学过程，利用公告板中记录的“教师”对其余人工鱼个体执行教学过程得到x
new
，如果x
new
＜xm，则对公告板进行更新，否则不更新；
86.步骤s8：判断是否结束迭代：如果没到达迭代极限，则i＝i+1，转到步骤s3，否则转到步骤s9；
87.步骤s9：输出寻优结果。
88.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
89.在本技术的另一种实施例中，分别采用标准的fcm算法、人工鱼群改进的fcm算法(afsa-fcm算法)和改进人工鱼群算法改进的fcm算法(itlbo-afsa优化fcm方法)对图像进行处理，其相关参数如表1所示：
90.表1
[0091][0092][0093]
可以看出，与标准的fcm算法进行比较，本发明算法的迭代次数明显减少，原因就在于本文提出的算法利用改进的人工鱼群算法，同时在算法后期提高了鱼群的收敛速度，对fcm算法进行优化，提高了整体的运行速度，平均运行时间下降了50％～55％，与afsa_fcm算法相比，运行时间也下降了15％～30％，图像分割的速率大幅提升。
[0094]
选取了评价聚类分割效果常用的两种指标vpc和vpe以及对图像分割效果进行评价的评价准则分类正确率sa对三种算法进行对比。而正确率sa则代表了像素被正确分类的概率，它的值越高，说明分割的精度越高。各个实验图像的指标如表2所示：
[0095]
表2
[0096][0097]
划分系数vpc的值越接近1，说明聚类的程度越强，划分熵vpe的值越接近于0，说明聚类的结构越清晰。从表2的数据可以看出，本文算法的vpc值比标准fcm算法分割图像提升了7％左右，而vpe值下降了57％左右，与afsa_fcm算法相比vpc值提升了3％左右，vpe值下降了10％左右，同时，本文算法比标准fcm算法的图像分割正确率平均提升了10％，比afsa_fcm算法平均提升了7％。因此，综合看来，本文算法相对于其他两种算法，显然聚类效果更优。
[0098]
本技术实施例还提供了一种矿井图像的分割装置，需要说明的是，本技术实施例的矿井图像的分割装置可以用于执行本技术实施例所提供的用于矿井图像的分割方法。该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0099]
以下对本技术实施例提供的矿井图像的分割装置进行介绍。
[0100]
图3是根据本技术实施例的矿井图像的分割装置的示意图。如图3所示，该装置包括：
[0101]
第一获取单元10，用于获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；
[0102]
具体地，煤矿的安全监控技术对于保证煤矿安全开采十分重要，对井下状况的实时监测视频是实现安全监控的重要依据，但是因为井下环境恶劣，光线较暗，灰尘较多，监控设备采集的图像会出现光照不均、对比度较差等问题，需要对监控图像进行处理，精准判断井下的安全情况。
[0103]
第一确定单元20，用于根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；
[0104]
具体地，人工鱼群算法具有良好的全局寻优性和鲁棒性，可以解决上述现有技术采用的fcm算法在图像分割中产生的问题，但是标准人工鱼群算法搜索聚类中心存在开始收敛速度快，效果较好，但是后期持续全局搜索会产生寻优速度慢，精确性不够的问题，因此本技术采用教学算法的思想，利用公告板中的历史最优解对寻优方向进行指引，可以缩短寻优时间并提高精度。
[0105]
分割单元30，用于采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像
进行图像分割。
[0106]
具体地，采用上述改进人工鱼群算法确定fcm算法的初始聚类中心后，在进行图像分割，可以避免fcm算法初始聚类中心选择不合适导致的陷入局部最优解的问题。
[0107]
本实施例中，第一获取单元获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；第一确定单元根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；分割单元采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。该装置通过在人工鱼群算法觅食、聚群和追尾行为后加入人工鱼个体之间的交流，保证个体之间的多样性，在更新公告板之后加入教学过程，对人工鱼群的寻优方向进行引导，加快寻优过程，并对教学算法进行优化，设定教学因子与迭代次数及最大迭代次数的表达式，使教学因子随教学过程进行不断衰减，采用改进人工鱼群算法确定fcm算法的初始化聚类中心，解决了现有技术中fcm算法因聚类中心随机选择导致的图像分割过程中分割速度慢和分割精度差的问题。
[0108]
为了确定上述fcm算法的初始聚类中心，在一种可选的实施方式中，上述第一确定单元包括：
[0109]
初始化模块，用于执行初始化步骤，初始化第一人工鱼群的相关参数，上述相关参数包括上述第一人工鱼群的规模、最大迭代次数、迭代次数、教学因子、第一感知距离、移动步长，上述第一人工鱼群的规模为上述第一人工鱼群包含的人工鱼个体的数量，上述第一感知距离为上述人工鱼算法寻优过程中搜索范围的大小，上述移动步长为上述人工鱼群算法寻优过程的单次迭代过程中，上述人工鱼个体向上述第一感知距离内更优个体移动的距离；
[0110]
具体地，再通过改进人工鱼群算法进行寻优确定初始聚类中心前，需要对算法参数进行设定，包括首先，通过参数匹配，使每一个人工鱼对应一个可选的聚类中心，由上述人工鱼组成上述第一人工鱼群；然后，设置改进人工鱼群算法进行寻优所需参数，完成算法设定。
[0111]
第一更新模块，用于执行第一更新步骤，计算上述第一人工鱼群中所有上述人工鱼个体的适应度值，得到多个第一适应度值，将最大的上述第一适应度值对应的上述人工鱼个体确定为第一人工鱼个体并将上述第一人工鱼个体记录在公告板上，上述人工鱼个体为上述fcm算法的聚类中心，上述适应度值为用于表征群体中个体的优劣的指标，上述人工鱼个体与上述fcm算法的聚类中心一一对应；
[0112]
具体地，确定上述第一人工鱼群后，计算人工鱼群中所有人工鱼对应的适应度值，根据适应度值进行对比，找到对应最大适应度值的人工鱼个体，作为当前人工鱼群中的最优个体，将最优个体记录在公告板上。
[0113]
第二更新模块，用于执行第二更新步骤，控制上述第一人工鱼群顺序进行觅食、聚群、追尾行为，得到第二人工鱼群，并计算上述第二人工鱼群中所有上述人工鱼个体的上述适应度值，得到多个第二适应度值，将最大的上述第二适应度值对应的上述人工鱼个体确定为第二人工鱼个体；
[0114]
具体地，在筛选出当前最优个体后，执行标准人工鱼群算法的流程对上述人工鱼群进行更新，得到收敛效果更强的上述第二人工鱼群，并根据更新后的人工鱼群重新计算每一个个体的对应适应度值，找到对应最大适应度值的人工鱼个体，作为当前人工鱼群中的最优个体，将最优个体记录在公告板上。
[0115]
第三更新模块，用于执行第三更新步骤，将上述第一人工鱼个体对应的上述适应度值与上述第二人工鱼个体对应的上述适应度值进行对比，在上述第一人工鱼个体对应的上述适应度值小于上述第二人工鱼个体对应的上述适应度值的情况下，上述公告板的记录进行更新，在上述第一人工鱼个体对应的上述适应度值大于上述第二人工鱼个体对应的上述适应度值的情况下，上述公告板的记录不进行更新；
[0116]
具体地，上述第二人工鱼个体仅为上述第二人工鱼群中的最优个体，将上述第二人工鱼个体与上述第一人工鱼个体对应的适应度值进行比较，若上述第二人工鱼个体对应的适应度值大于上述第一人工鱼个体对应的适应度值，说明上述第二人工鱼个体优于上述第一人工鱼个体，则将上述第二人工鱼个体记录在公告板上完成更新，若上述第二人工鱼个体对应的适应度值小于上述第一人工鱼个体对应的适应度值，则说明上述第一人工鱼个体更优，则不对公告板进行更新。
[0117]
重复模块，用于执行重复步骤，依次重复上述第一更新步骤与上述第二更新步骤至少一次，直至上述迭代次数等于上述最大迭代次数，输出寻优结果，并根据上述寻优结果确定上述初始聚类中心，上述寻优结果为上述公告板上记录的人工鱼个体。
[0118]
具体地，在完成上述公告板更新时，即为上述改进人工鱼群算法进行了一次迭代，重复迭代过程，直至到达最大迭代次数时，公告板上记录的上述人工鱼个体就是寻优结果，其对应的聚类中心，作为初始聚类中心进行图像分割效果是最好的。
[0119]
为了得到适合的感知距离，在一种可选的实施方式中，上述装置还包括：
[0120]
第一计算单元，用于在将最大的上述第一适应度值对应的上述人工鱼个体确定为第一人工鱼个体并将上述第一人工鱼个体记录在公告板上之后，计算上述第一人工鱼群中的各上述人工鱼个体与上述第一人工鱼个体之间的上述适应度值的差值，得到多个距离；
[0121]
具体地，计算上述第一人工鱼群中每一个人工鱼个体与最优个体之间的适应度差值，在平面上，该适应度差值即为人工鱼个体之间的距离。
[0122]
第二确定单元，将最大的上述距离确定为第二感知距离。
[0123]
具体地，计算上述距离是为了对人工鱼个体的感知距离，即搜索范围进行修改，将距离最优个体最远的个体对应的距离作为感知距离，即可使得所有的人工鱼个体的感知范围内都包括最优个体，即所有人工鱼个体在寻优过程中的优化方向都是最优的方向，避免了一直进行全局搜索消耗时间过长的情况，减少了寻优过程的消耗时间。
[0124]
为了保证上述人工鱼个体的多样性，在一种可选的实施方式中，上述第三更新模块包括：
[0125]
第一控制子模块，用于控制上述第二人工鱼群中的上述人工鱼个体两两之间进行信息交流，得到第三人工鱼群；
[0126]
具体地，因为上述改进人工鱼群算法所有人工鱼个体都向最优个体方向前进，为避免其同质化，本技术在标准人工鱼群算法的觅食、聚群、追尾行为后引入教学算法的交流过程。即将每一个人工鱼个体作为“学生”，基于差分进化的交流过程，在追尾行为之后，让
学生之间可以相互交流，此时充分利用人工鱼个体的多样性，可以进一步提升寻优结果的全局性。
[0127]
第一计算子模块，用于计算上述第三人工鱼群中的所有上述人工鱼个体的上述适应度值，得到多个第三适应度值；
[0128]
具体地，在进行交流之后，上述第二人工鱼群再次进行更新，需要重新计算每一个人工与个体对应的适应度值，即上述第三适应度值。
[0129]
第一确定子模块，用于将最大的上述第三适应度值对应的上述人工鱼个体确定为上述第二人工鱼个体。
[0130]
具体地，找到对应最大适应度值的人工鱼个体，作为当前人工鱼群中的最优个体。
[0131]
在本技术的另一种实施方式中，在经过交流过程后，上述第三更新模块包括第二计算子模块可以根据教学算法直接计算上述第二人工鱼。其公式为：其中，为计算得到的上述第二人工鱼个体，xm为上述第一人工鱼个体，xa和xb分别为上述第三人工鱼群中任意两个人工鱼交流后根据教学算法所求的解。
[0132]
为了加速改进人工鱼群的寻优速度，在一种可选的实施方式中，上述装置还包括：
[0133]
控制单元，用于在上述第三更新步骤之后，在上述公告板进行更新的情况下，控制各上述人工鱼个体与上述第二人工鱼个体进行信息交流，得到第四人工鱼群；
[0134]
具体地，在确定上述第二人工鱼个体之后，在上述公告板进行更新之后，加入教学算法的教学过程，将上述第二人工鱼个体作为“教师”，在“教师”与“学生”之间进行信息交流，提高“学生”的整体水平，即整体优化人工鱼个体，通过公告板上记录的最优个体与其他人工鱼个体的信息交流，为寻优过程的方向进行指引，改进人工鱼群算法缩短了标准人工鱼群算法的寻优过程。
[0135]
第二计算单元，用于计算上述第四人工鱼群中的所有上述人工鱼个体的上述适应度值，得到多个第四适应度值，并将最大的上述第四适应度值对应的上述人工鱼个体确定为上述第三人工鱼个体；
[0136]
具体地，在教学过程之后，人工鱼群更新为上述第四人工鱼群，需要重新计算每一个人工与个体对应的适应度值，即上述第四适应度值，并找到对应最大适应度值的人工鱼个体，作为当前人工鱼群中的最优个体。
[0137]
更新单元，用于将上述第二人工鱼个体对应的上述适应度值与上述第三人工鱼个体对应的上述适应度值进行对比，在上述第二人工鱼个体对应的上述适应度值小于上述第三人工鱼个体对应的上述适应度值的情况下，上述公告板的记录进行更新，在上述第二人工鱼个体对应的上述适应度值大于上述第三人工鱼个体对应的上述适应度值的情况下，上述公告板的记录不进行更新。
[0138]
具体地，上述第三人工鱼个体仅为上述第四人工鱼群中的最优个体，将上述第三人工鱼个体与上述第二人工鱼个体对应的适应度值进行比较，若上述第三人工鱼个体对应的适应度值大于上述第二人工鱼个体对应的适应度值，说明上述第三人工鱼个体优于上述第二人工鱼个体，则将上述第三人工鱼个体记录在公告板上完成更新，若上述第三人工鱼个体对应的适应度值小于上述第二人工鱼个体对应的适应度值，则说明上述第二人工鱼个体更优，则不对公告板进行更新。
[0139]
在本技术的另一种实施方式中，在经过交流过程后，可以根据教学算法直接计算上述第三人工鱼。其公式为：其中为上述第三人工鱼个体，xi为上述最优个体，然后根据与xi之间的大小，确定是否更新公告板，即在小于xi时，更新公告板。
[0140]
为了得到上述教学因子，在一种可选的实施方式中，上述装置还包括：
[0141]
第二获取单元，用于在上述公告板不进行更新或上述公告板完成更新的情况下，获取上述迭代次数；
[0142]
具体地，在标准教学算法中，教学因子随机取值1或2，这样就导致了学生学习过程中要么不向老师汲取知识，要么就汲取全部知识，但是这不符合教学过程的实际情况，因此在本技术中对教学算法进行了改进，通过设定迭代次数与最大迭代次数以及教学因子之间的表达式，使教学因子随教学进程推进不断衰减，符合学生与教师之间水平差距较大，学习能力较强，而后期掌握的知识逐渐增多，学习能力减弱的客观事实。
[0143]
第三计算单元，用于根据上述迭代次数与上述最大迭代次数计算上述教学因子。
[0144]
具体地，上述表达式为根据表达式即可计算出当前的教学因子，用于反应最优个体对整体的影响能力。
[0145]
为了确定是否进行迭代，在一种可选的实施方式中，上述重复模块包括：
[0146]
对比子模块，用于将上述迭代次数与上述最大迭代次数进行对比；
[0147]
具体地，根据当前迭代次数与最大迭代次数进行对比，即可判断算法是否到达迭代极限。
[0148]
结束模块，用于在上述迭代次数等于上述最大迭代次数或上述教学因子为0的情况下，结束重复。
[0149]
具体地，在上述迭代次数等于上述最大迭代次数的情况下，即可说明当前算法达到迭代极限，算法停止迭代，或在上述教学因子等于0的情况下，根据教学算法计算下一次迭代的最优个体时得到的仍是本次迭代的最优个体，算法停止迭代。
[0150]
上述矿井图像的分割装置包括处理器和存储器，上述第一获取单元、第一确定单元、分割单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
[0151]
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高fcm算法进行图像分割的速度和精度。
[0152]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
[0153]
本发明实施例提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，其中，在上述程序运行时控制上述计算机可读存储介质所在设备执行上述矿井图像的分割方法。
[0154]
具体地，矿井图像的分割方法包括：
[0155]
步骤s201，获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；
[0156]
步骤s202，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；
[0157]
步骤s203，采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。
[0158]
本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述矿井图像的分割方法。
[0159]
具体地，矿井图像的分割方法包括：
[0160]
步骤s201，获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；
[0161]
步骤s202，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；
[0162]
步骤s203，采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。
[0163]
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：
[0164]
步骤s201，获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；
[0165]
步骤s202，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；
[0166]
步骤s203，采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。
[0167]
本文中的设备可以是服务器、pc、pad、手机等。
[0168]
本技术还提供了一种监控系统，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：
[0169]
步骤s201，获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；
[0170]
步骤s202，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；
[0171]
步骤s203，采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图
像分割。
[0172]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0173]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0174]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0175]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0176]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0177]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0178]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
[0179]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0180]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0181]
从以上的描述中，可以看出，本技术上述的实施例实现了如下技术效果：
[0182]
1)、本技术的矿井图像的分割方法，首先，获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；然后，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；最后，采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。该方法通过在人工鱼群算法觅食、聚群和追尾行为后加入人工鱼个体之间的交流，保证个体之间的多样性，在更新公告板之后加入教学过程，对人工鱼群的寻优方向进行引导，加快寻优过程，并对教学算法进行优化，设定教学因子与迭代次数及最大迭代次数的表达式，使教学因子随教学过程进行不断衰减，采用改进人工鱼群算法确定fcm算法的初始化聚类中心，解决了现有技术中fcm算法因聚类中心随机选择导致的图像分割过程中分割速度慢和分割精度差的问题。
[0183]
2)、本技术的矿井图像的分割装置，第一获取单元获取矿井监控图像，上述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；第一确定单元根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，上述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，上述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，上述寻优过程为确定上述改进人工鱼群算法中最优个体的过程；分割单元采用确定上述初始聚类中心后的上述fcm算法，对上述监控图像进行图像分割。该装置通过在人工鱼群算法觅食、聚群和追尾行为后加入人工鱼个体之间的交流，保证个体之间的多样性，在更新公告板之后加入教学过程，对人工鱼群的寻优方向进行引导，加快寻优过程，并对教学算法进行优化，设定教学因子与迭代次数及最大迭代次数的表达式，使教学因子随教学过程进行不断衰减，采用改进人工鱼群算法确定fcm算法的初始化聚类中心，解决了现有技术中fcm算法因聚类中心随机选择导致的图像分割过程中分割速度慢和分割精度差的问题。
[0184]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种矿井图像的分割方法，其特征在于，所述方法包括：获取矿井监控图像，所述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，所述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，所述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，所述寻优过程为确定所述改进人工鱼群算法中最优个体的过程；采用确定所述初始聚类中心后的所述fcm算法，对所述监控图像进行图像分割。2.根据权利要求1所述的方法，其特征在于，根据改进人工鱼算法执行寻优过程，以确定fcm算法的初始聚类中心，包括：初始化步骤，初始化第一人工鱼群的相关参数，所述相关参数包括所述第一人工鱼群的规模、最大迭代次数、迭代次数、教学因子、第一感知距离、移动步长，所述第一人工鱼群的规模为所述第一人工鱼群包含的人工鱼个体的数量，所述第一感知距离为所述人工鱼算法寻优过程中搜索范围的大小，所述移动步长为所述人工鱼群算法寻优过程的单次迭代过程中，所述人工鱼个体向所述第一感知距离内更优个体移动的距离；第一更新步骤，计算所述第一人工鱼群中所有所述人工鱼个体的适应度值，得到多个第一适应度值，将最大的所述第一适应度值对应的所述人工鱼个体确定为第一人工鱼个体并将所述第一人工鱼个体记录在公告板上，所述人工鱼个体为所述fcm算法的聚类中心，所述适应度值为用于表征群体中个体的优劣的指标，所述人工鱼个体与所述fcm算法的聚类中心一一对应；第二更新步骤，控制所述第一人工鱼群顺序进行觅食、聚群、追尾行为，得到第二人工鱼群，并计算所述第二人工鱼群中所有所述人工鱼个体的所述适应度值，得到多个第二适应度值，将最大的所述第二适应度值对应的所述人工鱼个体确定为第二人工鱼个体；第三更新步骤，将所述第一人工鱼个体对应的所述适应度值与所述第二人工鱼个体对应的所述适应度值进行对比，在所述第一人工鱼个体对应的所述适应度值小于所述第二人工鱼个体对应的所述适应度值的情况下，所述公告板的记录进行更新，在所述第一人工鱼个体对应的所述适应度值大于所述第二人工鱼个体对应的所述适应度值的情况下，所述公告板的记录不进行更新；重复步骤，依次重复所述第一更新步骤与所述第二更新步骤至少一次，直至所述迭代次数等于所述最大迭代次数，输出寻优结果，并根据所述寻优结果确定所述初始聚类中心，所述寻优结果为所述公告板上记录的人工鱼个体。3.根据权利要求2所述的方法，其特征在于，在将最大的所述第一适应度值对应的所述人工鱼个体确定为第一人工鱼个体并将所述第一人工鱼个体记录在公告板上之后，所述方法包括：计算所述第一人工鱼群中的各所述人工鱼个体与所述第一人工鱼个体之间的所述适应度值的差值，得到多个距离；将最大的所述距离确定为第二感知距离。4.根据权利要求3所述的方法，其特征在于，计算所述第二人工鱼群中所有所述人工鱼个体的所述适应度值，得到多个第二适应度值，将最大的所述第二适应度值对应的所述人
工鱼个体确定为第二人工鱼个体，包括：控制所述第二人工鱼群中的所述人工鱼个体两两之间进行信息交流，得到第三人工鱼群；计算所述第三人工鱼群中的所有所述人工鱼个体的所述适应度值，得到多个第三适应度值；将最大的所述第三适应度值对应的所述人工鱼个体确定为所述第二人工鱼个体。5.根据权利要求4所述的方法，其特征在于，在第三更新步骤之后，包括：在所述公告板进行更新的情况下，控制各所述人工鱼个体与所述第二人工鱼个体进行信息交流，得到第四人工鱼群；计算所述第四人工鱼群中的所有所述人工鱼个体的所述适应度值，得到多个第四适应度值，并将最大的所述第四适应度值对应的所述人工鱼个体确定为第三人工鱼个体；将所述第二人工鱼个体对应的所述适应度值与所述第三人工鱼个体对应的所述适应度值进行对比，在所述第二人工鱼个体对应的所述适应度值小于所述第三人工鱼个体对应的所述适应度值的情况下，所述公告板的记录进行更新，在所述第二人工鱼个体对应的所述适应度值大于所述第三人工鱼个体对应的所述适应度值的情况下，所述公告板的记录不进行更新。6.根据权利要求5所述的方法，其特征在于，在第三更新步骤之后，所述方法还包括：在所述公告板不进行更新或所述公告板完成更新的情况下，获取所述迭代次数；根据所述迭代次数与所述最大迭代次数计算所述教学因子。7.根据权利要求6所述的方法，其特征在于，所述重复步骤包括：将所述迭代次数与所述最大迭代次数进行对比；在所述迭代次数等于所述最大迭代次数或所述教学因子为0的情况下，结束重复并输出所述寻优结果。8.一种矿井图像的分割装置，其特征在于，所述装置包括：第一获取单元，获取矿井监控图像，所述监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；第一确定单元，根据改进人工鱼群算法执行寻优过程，以确定fcm算法的初始聚类中心，所述改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，所述教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度，所述寻优过程为确定所述人工鱼群算法中最优个体的过程；分割单元，采用确定所述初始聚类中心后的所述fcm算法，对所述监控图像进行图像分割。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。10.一种监控系统，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。

技术总结
本申请提供了一种矿井图像的分割方法、分割装置和监控系统，该方法包括：获取矿井监控图像，监控图像为煤矿井下开采过程中监控设备采集的井下作业图像；根据改进人工鱼群算法执行寻优过程，以确定FCM算法的初始聚类中心，改进人工鱼群算法为设定教学因子与迭代次数及最大迭代次数后的人工鱼群算法，教学因子为用于表征最优人工鱼群个体对人工鱼群中任意一个人工鱼群个体的影响程度；采用确定初始聚类中心后的FCM算法，对监控图像进行图像分割。该方法采用改进人工鱼群算法确定FCM算法的初始化聚类中心，解决了现有技术中FCM算法因聚类中心随机选择导致的图像分割过程中分割速度慢和分割精度差的问题。慢和分割精度差的问题。慢和分割精度差的问题。


技术研发人员：张立辉 郭爱军 鞠晨 丁剑明 王彦斌 宁永安
受保护的技术使用者：中国神华能源股份有限公司神东煤炭分公司
技术研发日：2023.04.25
技术公布日：2023/7/12